2026 年 07 月 09 日，《European heart journal》(IF=45.3)发表了一篇模型开发与验证研究，该研究使用来自中国心血管代谢疾病和癌症队列及外部验证队列的数据，评估了基于Transformer的深度学习模型在中国成年人中预测10年心血管疾病(CVD)风险的性能。研究发现，China-AIHeart模型在区分度、校准度和净临床获益方面均优于传统Cox模型及现有风险评分，为中国成年人的风险分层提供了实用工具。原文链接：https://pubmed.ncbi.nlm.nih.gov/42425502/

研究方法

推导队列包括来自中国心血管代谢疾病和癌症队列的156790名无心血管疾病(CVD)参与者，34.6%为男性；平均年龄为56.7±8.9岁。在两个独立的中国队列(新疆队列和中国健康与养老追踪调查[CHARLS])中进行了外部验证。

开发基于Transformer的生存时间预测模型，包括全模型(22个预测因子)和简化模型(15个预测因子)。

使用相同预测因子的Cox模型和既定风险评分对性能进行了比较：中国动脉粥样硬化性心血管疾病风险预测模型[China-PAR]、预防动脉粥样硬化性心血管疾病风险评分[PREVENT-ASCVD]和SCORE2亚太方程。

研究结果

China-AIHeart在预测心血管疾病风险方面显示出良好的区分度（男性C统计量0.767[95% CI 0.754-0.779]；女性0.780 [0.769-0.791] )、校准度（男性χ²14.806 ；女性9.326；Brier 评分：男性0.104；女性0.077）和净临床获益。

各分层中预测事件率与观察风险密切匹配。与具有相同预测因子的Cox比例风险模型相比，China-AIHeart显示出改进的区分度 (男性ΔC 统计量0.027 [0.025-0.028]；女性0.031[0.029-0.033]) 和重新分类 (男性净重新分类指数0.478 [0.466-0.492]；女性0.560 [0.551-0.572])，且优于China-PAR、PREVENT-ASCVD和 SCORE2 亚太方程。

外部验证显示出稳健的性能，新疆队列中完整模型和简化模型的 C 统计量分别为0.781/0.825 (男性/女性) 和0.748/0.820，CHARLS 队列中简化模型的 C 统计量为0.740/0.771。

研究结论

基于 Transformer 的China-AIHeart预测了 10 年心血管疾病风险，且优于传统Cox比例风险模型，为中国成年人的风险分层提供了一种实用工具。

参考文献：Cao Q, Xu X, Lin H, Yin Y, Wu S, Li M, et al. Transformer-based models for predicting cardiovascular risk in Chinese adults: development and validation. European heart journal. 2026 Jul 09. doi: 10.1093/eurheartj/ehag517